Tek yönlü haddelemeyle üretilen bakır mikro-kupaların çok aşamalı derin çekimi için sürdürülebilir bir FEA–YZ hibrit optimizasyon çerçevesi

Neden küçük metal kupalar önemli

Akıllı telefonlardan tıbbi implantlara kadar birçok modern cihaz, hassas parçaları tutan, koruyan veya bağlayan küçük metal kupalar içerir. Bu mikro-kupaları bakırdan yapmak basit görünse de, her birinin doğru şekle sahip olmasını sağlarken enerji ve malzemeyi minimumda tutmak şaşırtıcı derecede zordur. Bu çalışma, bilgisayar simülasyonlarını yapay zekâ ile birleştirerek üretim sürecini öyle ayarlıyor ki parçalar ilk seferde doğru çıkıyor ve daha az atık oluşuyor.

Mikro-kupalar nasıl üretilir

Mikro-kupalar genellikle düz bir metal şeridin bir kalıba itildiği ve böylece kupayı oluşturacak şekilde akış sağlandığı, derin çekim olarak bilinen bir işlemle şekillendirilir. Kupalar milimetre ölçeğine küçüldükçe sürtünme, takım geometrisi veya metal dokusu gibi küçük değişiklikler büyük sorunlara yol açabilir: takımlar beklenenden çok daha yüksek kuvvet isteyebilir ve şekillendirme sonrasında kupalar yayılma göstererek boyut ve şekillerini değiştirebilir. Yazarlar, dayanım kazandırmak ve ince taneli yapı elde etmek için yoğun şekilde haddelenmiş bakır şeritlere odaklanıyor; bu da malzemenin davranışını yönlü yapmakta ve tahmin etmeyi zorlaştırmaktadır. Yırtılma olmadan kalın bakır plakayı ince cidarlı mikro-kupalara kademeli olarak sıkıştıran sekiz aşamalı bir rota tasarlıyorlar.

Sanal pres içinde metal akışını izlemek

Atölyede deneme-yanılmaya güvenmek yerine ekip, mühendislikte standart bir simülasyon aracı olan sonlu elemanlar yöntemi kullanarak sürecin ayrıntılı bir sanal modelini kuruyor. Haddelenmiş bakırın, özellikle haddeleme yönü boyunca ve çaprazında nasıl farklı gerildiğini de içeren ölçülen özelliklerini modele besliyorlar. Simülasyonda üç temel parametreyi değiştiriyorlar: punç ile kalıp arasındaki boşluk, punç burun yuvarlaklığı ve temas pürüzlülüğünü ifade eden sürtünme. Her kombinasyon için model, şekillendirme sırasında takımlara etki eden maksimum kuvveti ve yük kaldırıldığında kupa duvarlarının ne kadar yayıldığını (spring-back) tahmin ediyor. Bu koşu setleri, süreç ayarlarının kupa kalitesini nasıl etkilediğini haritalayan zengin ve tutarlı bir veri kümesi oluşturuyor.

Sonuçları tahmin etmeyi öğrenen yapay bir beyin

Simülasyon verilerini hızlı bir karar aracına dönüştürmek için araştırmacılar, kuvvet ve yayılmayı yeniden ağır hesaplar çalıştırmadan tahmin edebilen matematiksel vekil modeller eğitiyor. Geleneksel bir eğri uydurma yaklaşımını ve beyin benzeri bağlantılardan esinlenen iki tür yapay sinir ağını deniyorlar. Bunların hepsi yalnızca simüle edilmiş verilerle eğitiliyor ve sonra hidrolik pres üzerinde gerçek deneylerle karşılaştırılıyor. Aşırı uyumdan korunmayı sağlayan Bayesian düzenleme kullanan bir sinir ağı, sanal ve gerçek test vakaları için en güvenilir tahminleri sunuyor ve tipik hataları birkaç yüzde civarında veya altında tutuyor.

En iyi ayarları aramak için evrime izin vermek

Güvenilir, hızlı bir tahmin aracı elde edildikten sonra ekip, doğal seçilimi taklit ederek birçok aday ayarı evrimleştirip en iyilerini tutan bir genetik algoritma ekliyor. Birleşik sistem, hem takım kuvvetini hem de yayılmayı düşük tutarken kusursuz kupalar oluşturacak süreç koşullarını arıyor. Orta düzey bir boşluk, nispeten küçük bir punç burun yarıçapı ve düşük sürtünme ile karakterize edilen optimal bir bölge tespit ediyor. Bu ayarları kullanarak yapılan deneyler, gereken kuvvetin ve yayılma miktarının başlangıç durumuna kıyasla belirgin şekilde düştüğünü doğruluyor; kuvvet yaklaşık yüzde altı ve yayılma yaklaşık yüzde on oranında azalıyor. Şekillendirme kuvveti enerji kullanımına yakından bağlı olduğundan, bu iyileşmeler yüksek hacimli üretimde doğrudan enerji tasarrufu sağladığını gösteriyor.

Daha yeşil üretim için bunun anlamı

Okurlar için temel mesaj, sanal deneyler ve YZ’nin dikkatli kullanımıyla küçük metal parçaları üretmek için doğru koşulların belirlenmesinin çok daha kolay hale gelebileceğidir. Bu çalışmada hibrit çerçeve, fizik temelli simülasyonlardan öğreniyor, bu dersleri bir sinir ağına aktarıyor ve ardından evrimsel bir arama ile hem parçaların doğruluğunu koruyan hem de takım yüklerini, enerji kullanımını ve hurdayı azaltan ideal noktaları buluyor. Yaklaşım şu ana kadar yalnızca basit, yuvarlak bakır mikro-kupalar için test edildi, ancak hassas cihazları ve daha sürdürülebilir üretimi destekleyecek şekilde birçok diğer küçük bileşenin daha verimli üretilmesi için bir şablon sunuyor.

Atıf: Sivam, S.P.S.S., Kesavan, S. & Santhosh, A.J. A sustainable hybrid FEA–AI optimization framework for multistage deep drawing of unidirectionally rolled copper micro-cups. Sci Rep 16, 15934 (2026). https://doi.org/10.1038/s41598-026-45011-4

Anahtar kelimeler: mikro derin çekim, bakır mikro-kupalar, yapay sinir ağları, genetik algoritma optimizasyonu, sürdürülebilir üretim